Cognitive Commons（认知公地）
定义
Cognitive Commons（认知公地） 是一个职业内作为共享资源存在的深层人类专业知识池：拥有内化领域知识、默会理解、稳健心智模型与判断力、能独立执行复杂认知工作并对自动化输出做实质验证的专家储备。它不能被任何单一组织独占，其再生长期依赖入门级就业的"附带培养"而非刻意治理——AI 采纳正在打破这一再生机制。
三条公地特征（Lovett, 2026）
- 集体依赖：所有组织从共享人才池获益，存在 free-rider——靠他人培养专家，自己规避培养成本（公共品问题）。
- 非排他：组织无法阻止他人受益于该池；靠 AI 完全自给的组织仍能雇佣他司培养的资深专家、依赖领域专家的监管验证。
- 可因再生机制过度开发而退化：与渔场/森林不同，退化的可见信号滞后——现有专家继续正常工作，表面稳定掩盖再生机制断裂，需通过代际就业模式（而非当期资源稀缺）才能测出。
与相邻概念的区分（原文表 1）
| 概念 | 定位 |
|---|---|
| 人力资本（Becker） | 个体/企业层面，Cognitive Commons 是职业层面共享存量 |
| 实践社群（Lave & Wenger） | 描述学习的社会过程，本概念描述存量、再生与耗尽 |
| 劳动力容量（workforce capacity） | 可通过招聘恢复；认知公地的深层专家不能按需再生 |
| 专业专长（professional expertise） | 个体属性；认知公地是个体专长的集体池 + 更新它的发展系统 |
核心预测：二阶市场失灵
Becker 通用人力资本投资不足（企业怕培训后被挖）传统上被"就业本身提供发展机会"这一副产品抵消；AI 消除入门级生产性岗位 = 消除"以就业为副产品的专家再生"，造成二阶市场失灵。劳动力证据：Brynjolfsson et al.（2025）美国 payroll 显示 AI 高暴露职业 22–25 岁就业相对下降 16%（2022-10 至 2025-09），35–49 岁增长 8%+；Hampole et al.（2025）5800 万 LinkedIn 佐证为发展性岗位系统性消除。
关键数据点
- 劳动力证据：Brynjolfsson et al. (2025) 美国 payroll——AI 高暴露职业 22–25 岁就业相对下降 16%（2022-10 至 2025-09），35–49 岁反增 8%+
- 佐证：Hampole et al. (2025) 5,800 万 LinkedIn 数据指向"发展性岗位系统性消除"
- 概念来源：Lovett (2026), Human Resource Development Review（2026-07-26 在线发表）
前提与局限性
- 职业级耗尽是作者自认的"结构性预测"而非观察结果；16% 就业下降是伴随证据，未排除其他技术-经济因素。
- 数据期 <3 年，集中于美/英/德/丹麦；丹麦 null effect 表明机制条件性。
- 框架假设 AI 仍需人类实质验证（否则问题变为 displacement 而非 depletion）。
- 治理出路借 Ostrom 八原则（边界、监督、渐进制裁、集体选择），落在组织 / 专业协会 / 公共政策三层。
关联概念
- Internalized-Mastery — 被消耗的深层专长形态
- Distributed-Mastery — AI 时代新的专长形态，依赖前者做实质验证
- Validation-Tether — 两种专长的耦合机制
- Judgment-Degradation-Cascade — 个体/代际退化，公地框架提供职业层面放大
- Knowledge-Debt — 沉默积累、延迟暴露的同构；公地是职业版
- Incidental-Learning — 附带学习 = 入门岗位再生的认知机制
- Augmentation-Trap — 增强不迁移到独立能力是公地消耗的微观机制